|
工业一体机在半导体制造领域的核心应用之一是AOI（Automated Optical Inspection，自动光学检测）系统的计算平台。AOI设备通过工业相机采集晶圆或封装芯片的图像，利用图像处理算法检测缺陷，对计算平台的算力、数据吞吐和接口带宽提出了严格要求。选型不当直接导致检测精度不足或产线节拍跟不上。
## AOI检测为什么对工业一体机要求这么高
半导体AOI检测跟普通的视觉检测不太一样。普通产线上拍个照看看零件有没有装反，那个用几百块钱的摄像头加一台普通工控机就能搞定。但半导体检测要看的缺陷是微米级的，一颗芯片上的划痕、污点、偏移，可能只有几个微米大小。
这意味着什么？图像分辨率得高，一张图片动不动就几千万像素。处理速度还得快，因为产线节拍卡在那里，你不能一个芯片拍半天。而且往往是多相机同时工作，两到四路工业相机同时往工控机里灌数据。
所以AOI场景对工业一体机的选型，跟普通HMI或数据采集完全不是一个量级。
## 算力需求分析
图像处理这块，算法分两种情况。一种是传统视觉算法，比如模板匹配、边缘检测、Blob分析，这种吃CPU算力，多核处理器有优势。另一种是深度学习检测，需要GPU或NPU做推理加速。
| 检测类型 | 算力需求 | 推荐处理器 | GPU/NPU需求 | 典型处理延迟 |
|---------|---------|-----------|------------|------------|
| 传统视觉算法（单相机） | 中等 | i5-12400TE | 可选 | 50-100ms |
| 传统视觉算法（多相机） | 较高 | i7-12700TE | 建议配置 | 80-150ms |
| 深度学习推理（单相机） | 高 | i5+独立GPU | 必须配置 | 30-80ms |
| 深度学习推理（多相机） | 很高 | i7+独立GPU | 必须配置 | 50-120ms |
| ARM方案轻量推理 | 中等 | RK3588 | 板载NPU 6TOPS | 100-200ms |
说句实在话，半导体AOI目前主流还是X86平台。原因很简单，工业视觉软件生态基本都在Windows和Linux x86上，Halcon、VisionPro这些主流库对ARM的支持还不完善。
但如果你的检测算法是自己开发的，用的是OpenCV加TensorFlow Lite，那RK3588也是个不错的选择。它的NPU有6TOPS算力，跑轻量级模型足够了，而且功耗只有十几瓦，无风扇设计在洁净室里更省心。
## 接口带宽：容易被忽略的瓶颈
AOI检测选型里最容易踩坑的是接口带宽。四路工业相机同时传图像，你算算数据量——假设每路相机输出830万像素（约4096x2048），每秒30帧，单路就是约2Gbps。四路加起来8Gbps。
这时候你就得看工业一体机有没有足够的接口带宽来接：
| 接口类型 | 单路带宽 | 可接相机数 | 实际延迟 | 适用场景 |
|---------|---------|-----------|---------|---------|
| USB 3.0 | 5Gbps | 2路 | 较低 | 中低端AOI |
| USB 3.1 Gen2 | 10Gbps | 4路 | 低 | 主流AOI |
| GigE Vision（千兆网） | 1Gbps | 需多网口 | 中等 | 远距离传输 |
| 10GigE Vision（万兆网） | 10Gbps | 4路 | 低 | 高端AOI |
| Camera Link | 6.8Gbps | 1-2路 | 极低 | 超高速检测 |
USB接口的方案最简单，但多路USB3.0同时传输时要注意芯片组的总带宽分配。有些工业一体机标称有4个USB3.0口，但实际上是通过一个USB3.0 Hub扩展的，总带宽还是5Gbps，四路相机一起传就崩了。
千兆网口方案更稳定，每路相机独占一个网口，带宽互不干扰。但千兆网有传输延迟，对要求实时性的高速检测可能不够。万兆网是最优解，但成本高。
## 散热和洁净度要求
半导体车间基本都在洁净室里，对粉尘控制极严。这意味着AOI用的工业一体机最好是无风扇设计，避免风扇循环空气带入微粒。
无风扇方案就得选低功耗处理器。i5-1235UE这类15W TDP的处理器配合铝散热外壳可以做到无风扇，但性能比35W的TE版本差不少。如果必须用高性能处理器，就得上散热片加导热管方案，把热量导到外壳上。
宽温也要考虑。洁净室一般控温在22度左右，但设备内部温度可能比环境高10到15度。选型时确认处理器在60度环境温度下能不能稳定运行不降频。
## 存储选型
AOI检测会产生大量图像数据，一天下来几百GB很正常。存储要考虑两点：写入速度和容量。
建议用NVMe SSD做实时缓存，写入速度2000MB/s以上，不会成为数据落盘的瓶颈。长期存储可以用大容量SATA SSD或网络存储。千万别用eMMC，写入寿命和数据量都撑不住。
## 常见问题（FAQ）
**Q：AOI检测用ARM平台行不行？**
可以但有限制。RK3588的NPU适合跑自己开发的轻量级模型，如果你的检测算法不依赖Halcon等商业视觉库，ARM方案在功耗和成本上有优势。但生态支持和算力上限不如X86+GPU方案，高精度多相机场景建议仍用X86平台。
**Q：工业一体机带GPU和不带GPU差别多大？**
深度学习检测场景差别非常大。CPU跑模型推理可能要200-500ms一帧，加一张入门级GPU降到30-80ms，产线节拍能提升好几倍。传统视觉算法CPU足够，GPU帮助不大。选不选GPU取决于你的算法类型。
**Q：多路工业相机用USB还是网口好？**
数量少（1-2路）用USB3.0简单方便。数量多（3路以上）建议用千兆网或万兆网，每路独占带宽互不干扰，传输距离也更远。USB在多路同时传输时容易遇到带宽瓶颈和设备冲突。
|
